Biohub の仮想細胞計画は、2026 年 10 月 7 日に新たな拡大を迎えた。ロイターの同日報道によれば、Google DeepMind、Meta、創薬企業 Isomorphic Labs が共同で 3 億ドルを投じる。米エネルギー省の今後 5 年で 5 億ドルを超える投入、国立衛生研究所が調整する既存の連邦データ資源、そして Biohub 自身が今年 4 月に表明した 5 億ドルを合わせ、計画全体の投入額は 18 億ドルに達する。
この資金で具体的に何を買うのか
仮想生物学イニシアチブが扱うのは、個別モデルの弱さではない。前提は、学習データそのものが決定的に不足しているという点にある。計画は、科学者がこれまで調べてきたよりもはるかに多くの条件変化に対して細胞がどう応答するかを大規模に測定し、AI 学習用の公開データセットとして整え、細胞の振る舞いを予測する仮想細胞モデルを構築する。創薬の多くはいまも実物の細胞や動物での試行錯誤に依存し、周期は年単位だ。モデルがデジタル環境で見込みのない案を先にふるい落とせれば、実験資源を有望な方向に集中できる。それがこの資金の狙う核心的な見返りである。
誰が払い、誰が先にデータを使うのか
出資構造が公開の速度を決める。マーク・ザッカーバーグとプリシラ・チャンが設立した非営利研究機関 Biohub によれば、データは最終的に世界の研究者へ公開されるが、商業出資者には禁輸期間があり、公開前に一定期間先行して使える。公的資金側では、エネルギー省が実験室での測定、モデリング、計算資源に投じ、国立衛生研究所は 5 億ドルを超える過去の連邦投入で作られたデータセットやリポジトリを調整し、AI 学習用に標準化する。つまり公金はデータの土台を買い、産業界の資金は時間差を買う構図だ。
医療への実用までどれほど遠いか
冷静な視点も必要だ。仮想細胞はいまのところ製品ではなく方向性にすぎない。細胞内の相互作用は極めて複雑で、現在のデータ量は高精度な予測に必要な水準に桁違いに届かず、だからこそ計画はまずデータ生成に資金を投じる。Isomorphic Labs は DeepMind の系譜にあり、AlphaFold のタンパク質構造予測の蓄積を基盤に創薬を行う。その参加は、予測可能な生物学モデルが先にあってこそ創薬全体の速度が上がるという同じ論理に産業界が賭けていることを示す。一般の読者にとっての意味は、新薬が発売間近ということではなく、AI 創薬の競争がモデル比べからデータ基盤比べへ移り、その層を政府、慈善機関、テクノロジー企業が共同で負担し始めたことにある。
